《研究简报》第148期 人工智能时代的人机交互（下）——关注人工智能落地过程中的算法厌恶问题 人工智能时代主要的交互方式是什么意思

《研究简报》第148期 人工智能时代的人机交互（下）——关注人工智能落地过程中的算法厌恶问题

人工智能算法在很多方面正在达到甚至超越人类的水平，而人工智能技术的使用可以带来极大的效率提升，例如医学诊断、简历筛选、智能推荐、机器人流程自动化等。[1]在现实中，人类与人工智能的交互形式非常复杂。在很多决策中，人类掌握着许多人工智能不知道的信息，因此人工智能只能提供一部分的辅助，最终决策仍然由人来完成。例如，在地图语音导航的场景中，人工智能会给人类提供最优行车路线，但是人类可以观察到更多的路况信息，驾驶仍然由司机本人完成。

因此，在企业数字化转型和技术升级的浪潮中，人们是否能够理智地看待、有效地利用算法所带来的技术红利相当关键。人类对待人工智能的态度将会决定人工智能技术的应用和效率提升程度。

上篇中笔者通过决策实验的方法研究引入人工智能辅助人类决策的过程中对劳动力市场效率和平等的影响。这里我们进一步分析在人机合作的框架下是否存在算法厌恶，并解析其背后的机制。本课题提供了如下发现：

第一，在预测“人脸”可信度的任务中，人工智能的效率比人类更高。

第二，人类对人工智能建议存在“算法厌恶”的现象。

第三，“算法厌恶”的现象可以用人类广泛存在的过度自信现象来解释。

一、人工智能打败了人类

漫长的进化历史使得人类非常善于处理视觉信息。大量的社会性交互使得人脸信息对于人类决策有重要影响。人工智能是否可以在“看脸”的任务上打败人类呢？

我们发现，机器学习算法预测的人脸“还款分”比人类决策者预测的更为准确，偏误更少。我们的样本中共有1103位违约者和3792位履约者。图1表明，在10分制的“还款分”下，人类决策者对违约者的平均打分是5.22，对履约者的平均打分是5.44。而机器学习算法对违约者的平均打分是3.21，对履约者的平均打分是6.94。在平均意义上，机器学习算法对还款概率的预测，比人类所做的预测更为准确。

图1人类决策者（左）和机器学习算法（右）的人脸“还款分”比较

是否部分有优秀的“看脸”才能的人，可以超越人工智能呢？我们用统计学上的一个指标AUC（areaunderthereceiveroperatingcharacteristiccurve）来量化衡量“还款分”的质量，取值越大代表质量越高。图2展示了每个决策者的AUC值的分布和人工智能的AUC值，可以看到，即使是人脸“还款分”预测质量最高的那部分人类决策者，也无法超越人工智能（右侧虚线代表算法的预测质量）。

图2人类决策者的“还款分”质量分布

二、人类对人工智能存在“算法厌恶”

虽然人工智能在很多任务上可以超越人类，但是人类很多时候并不愿意采用人工智能的建议，造成了效率的损失。现有的一些案例和研究表明，即使算法建议的质量更高，人们往往更倾向于使用人类的建议，而不愿意采纳算法的建议。这种现象被称为“算法厌恶（Algorithmaversion）”。最近一项关于语音推销机器人的研究可以生动地说明，现实中人们对人工智能存在着较为回避的态度。当顾客不知道与自己对话的推销员是机器人时，语音机器人和人工推销员的推销效果一样好；但是当顾客知道与自己对话的是机器人的时候，语音机器人的推销效果相比人工推销员下降了79.7%。[2]

本研究关心人们是否会在借贷领域做出类似的非理性决策。我们估计了人类决策中对人工智能提供的“人脸分”所赋予的权重，并将其与最优权重进行对比。图3表明，大部分决策者对人工智能的权重误差都小于0。在回归分析中，算法给出的人脸分每上升1分（满分为10分），决策者认为还款概率将上升6.7个百分点，而实际上还款概率上升了8.9个百分点，这说明决策者对人工智能的权重误差为-2.2个百分点。这一结果说明，大部分决策者都倾向于低估人工智能提供的信息的重要性，即，他们存在算法厌恶。这是首次在人机交互的场景下使用权重的方式进行算法厌恶进行估计。

课题组成员：陈泽阳、刘玉珍、孟涓涓、王曾

作者单位：北京大学光华管理学院

设计师交互：常见的7种交互方式，用案例进行具体分析

互联网近几年飞速发展，设计师的市场前景一片大好。即便是在经济萧条的前提下，岗位的需求量也是非常巨大的。

想要成为一名合格的设计师，自然不是那么容易的事，随着市场对人才需求越来越趋向于全面化，设计师只掌握设计技能，已经无法满足市场的需求。其中，交互设计，已经成为一名合格设计师，不能缺少的知识储备。

一、交互设计为什么会火爆起来？

交互，简单的字面含义就是，互动交流之意。就像人与人上班打招呼一样，“早上好”对“早上好”一样，是一个技术平台与人互动的步骤。

在旧时代里，机器更多是为人服务，工作、生产，过去一百人的工作量，只需要一个人操控机器就可以轻松完成。

而随着智能时代的到来，人们研究的是人和人、机器、产品、环境、服务、系统等之间的关系，人们发出一个指令，系统可以精准分析出这个指令，进而进行有效处理的过程。

这是一个交互的例子：

操作者通过点赞的指令，获得了一个系统给予的反馈，出现一个大大的“点赞手”。交互，将信息交流从“人→机器”，变成了“人→机器，机器→人”。

二、7种最常见的交互案例

点击交互最常见的例子就是点赞，它的最大优势在于操作顺畅，可以非常流畅地完成交互，在潜意识中引导用户行为，用户不需要去思考就可以下意识执行。这种交互行为，打破了传统的指令行为，更容易让人接受，操作起来非常流畅，在营销领域中应用非常频繁。

（2）输入交互

生活中，我们经常会遇到这种账号和密码输入的事情，密码位数多了，就会遇到输错的问题，这是一件非常麻烦的事情。所以，很多交互平台，都添加了密码强度和输入建议的选项，从细节上帮助用户提升密码成功率。

（3）动画效果

随着内地动画市场的兴起，交互设计中的动画效果也越来越多。动画给人们的人物化感，会在实际操作中，体现出来，少了它，会让人明显感受到缺失感。

动效常常作为环节之间的粘合剂，让交互和流程更加完整顺滑。值得注意的是，动画的目的是吸引用户，但是不能让用户分心，或者产生挫败感，过于新奇的风格或者动画耗时太多，都会产生不良的效果，或者让人混淆。

（4）语音系统

2016年，Google表示，大约20%的移动搜索是通过语音完成的。虚拟助手的使用呈爆炸性增长，语音系统成为一注“潜力股”。

通过Siri，Alexa，GoogleNow的成功，这种交互形式的潜力变得越来越清晰。语音交互极大地提升了用户体验，也消除了潜在的交互障碍。这项技术继续会被设计师采用，并被用户所接受。现在语音识别已经达到了超过90%的准确率，没有例外。

（5）让教程有趣

绝大多数人都在获取信息，获取解决某个问题的办法。而教程常常是用户获得答案的重要载体。在微交互的加持之下，教程常常能够得到简化，能够更加有趣，易于理解，更好地指导用户操作、解决问题。

（6）行为召唤

实质上，微交互和行为召唤元素的结合，能够更好地推动用户与APP交互，行为召唤的原理是通过行为指引、成就感灌输和同理心，来吸引用户的注意力，促使用户执行特定的交互。

动态按钮常常可以作为一个综合性的信息传达的工具来使用，设计师需要关注它的颜色、形状、特效、布局和纹理，确保用户体验上的无缝。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.